文献类型：期刊文章

作　　者：佘博[1] 田福庆[1] 汤健[2] 梁瑞涛[3]

SHE Bo TIAN Fuqing TANG Jian LIANG Ruitao(Department of Weaponry Engineering, Naval University of Engineering,Wuhan 430000,China Department of Information, Beijing University of Technology, Beijing 100124, China Unit No.92060 of People＇s Liberation Army, Lüshun 116041, Liaoning,China)

机构地区：[1]海军工程大学兵器工程系 [2]北京工业大学信息学部 [3]中国人民解放军92060部队

出　　处：《北京工业大学学报》

基　　金：国家自然科学基金资助项目(61573364)

年　　份：2017

卷　　号：43

期　　号：6

起止页码：859-864

语　　种：中文

收录情况：AJ、BDHX、BDHX2014、CAS、CSCD、CSCD_E2017_2018、IC、JST、MR、RCCSE、SCOPUS、ZGKJHX、ZMATH、核心刊

摘　　要：针对应用集合经验模态分解(ensemble empirical mode decomposition,EEMD)方法难以提取强噪声背景下滚动轴承微弱故障特征的问题,提出了将最小熵反褶积(minimum entropy deconvolution,MED)和小波阈值去噪与EEMD相结合的改进方法.先采用MED对滚动轴承振动信号降噪,增强冲击特征;然后利用基于EEMD的小波阈值去噪方法处理降噪后信号得到一组固有模态分量(intrinsic mode function,IMF),并依据相关系数准则剔除虚假分量;对重构后信号进行Teager能量算子解调分析,提取其微弱故障特征.通过仿真信号和实验台信号验证了该改进方法的有效性.

关 键 词：滚动轴承 集成经验模态分解  最小熵反褶积  小波阈值 TEAGER能量算子

分 类 号：TN911.72]